Wie wählt ihr den ersten KI-Anwendungsfall aus?

Der erste KI-Anwendungsfall muss nicht der eindrucksvollste sein. Ein guter Start ist eine kleine, häufige Aufgabe mit vorhandenen Daten, klaren Testfällen und einem Fehler, den ihr ohne großen Schaden korrigieren könnt.

Woran erkennt ihr einen guten ersten KI-Anwendungsfall?

Beginnt nicht mit der Frage „Wo können wir KI einsetzen?“. Beschreibt zuerst eine konkrete Aufgabe, die heute Zeit kostet oder regelmäßig schwankende Ergebnisse liefert. Legt Start und Ende fest. „Eingehende Anfragen einem Themenbereich zuordnen“ ist prüfbar. „Den Kundenservice mit KI verbessern“ ist noch kein Anwendungsfall.

Der Beitrag von Mittelstand-Digital zu KI-Use-Cases (öffnet in neuem Tab) empfiehlt einen klar abgegrenzten Start und verbindet Ziel, Daten, Risiken und Verantwortlichkeiten in einem Use-Case-Canvas. Diese Reihenfolge ist hilfreich, weil sie die Technik erst nach dem Prozess betrachtet.

Wie bewertet ihr mehrere Ideen vergleichbar?

Bewertet jede Idee mit denselben sechs Fragen. Eine einfache Skala und eine kurze Begründung reichen für den ersten Vergleich.

1. Häufigkeit oder Volumen: Wie oft tritt die Aufgabe auf? Eine kleine Verbesserung lohnt sich eher, wenn sie regelmäßig gebraucht wird.
2. Messbare Ausgangslage: Kennt ihr Bearbeitungszeit, Fehlerarten oder notwendige Nacharbeit vor dem Test? Ohne Ausgangswert bleibt der Nutzen eine Vermutung.
3. Datenlage: Sind Beispiele, zulässige Quellen und erwartete Ergebnisse vorhanden? Prüft Qualität, Aktualität, Zugriffsrechte und sensible Inhalte.
4. Risiko und Reversibilität: Was passiert bei einer falschen Ausgabe? Kann ein Mensch sie vor der Wirkung prüfen und leicht zurücknehmen?
5. Verantwortliche Person: Wer entscheidet über Testfälle, Freigabe, Betrieb und Abbruch? „Das Projektteam“ ist oft zu ungenau.
6. Konkrete Testfälle: Welche typischen, schwierigen und unerlaubten Fälle muss die Lösung bestehen? Definiert die erwartete Reaktion vor dem ersten Versuch.

Die KfW-Analyse zum KI-Einsatz im Mittelstand (öffnet in neuem Tab) nennt auswertbare Daten, Know-how und digitalen Reifegrad als wichtige Voraussetzungen. Als Hemmnisse nennt sie unter anderem fehlende Kompetenzen, knappe Zeit, unzureichende Daten sowie Bedenken bei Sicherheit und Zuverlässigkeit. Genau diese Punkte sollten deshalb in die Auswahl einfließen.

Warum sollte die erste Aufgabe klein und begrenzt sein?

Bei einer begrenzten Aufgabe könnt ihr Ursachen noch auseinanderhalten. War die Quelle falsch, die Anweisung unklar, das Modell ungeeignet oder der Prozess schlecht beschrieben? Bei einem großen Ende-zu-Ende-Projekt vermischen sich diese Fragen.

Ein kleiner Start heißt nicht, dass der Nutzen klein bleiben muss. Er liefert geprüfte Daten, echte Fehlerbilder und eine Entscheidung: erweitern, anders lösen oder stoppen. Diese Entscheidung ist wertvoller als eine Demo, die nur mit vorbereiteten Beispielen funktioniert.

Wann ist KI nicht die passende Lösung?

Bei einer Migration mussten Texte nach Sprache sortiert werden. Eine KI-Spracherkennung lag nahe. Für die klar begrenzte Zahl an Sprachen reichte jedoch eine deterministische Erkennung über typische Wörter und Zeichen. Sie war günstiger, nachvollziehbar und ohne zusätzlichen Dienst betreibbar. Eine frühere pauschale Trefferquote übernehmen wir bewusst nicht, weil dafür kein belastbarer Test dokumentiert ist. Die ganze Erfahrung steht im Beitrag „Muss es immer AI sein?“.

Das Bewertungsmodell sollte also auch die Frage enthalten, ob Regeln, Suche oder klassische Automatisierung genügen. KI ist eine Option, kein Pflichtbestandteil.

Wann solltet ihr ein KI-Experiment stoppen?

Wir wollten PowerPoint-Dateien automatisch zusammenfassen. Schon die Extraktion war ein Problem: Der Umweg über PDF und OCR lieferte unbrauchbar getrennte Zeichen und viel irrelevanten Inhalt. Auch die getesteten Zusammenfassungen und Schlüsselbegriffe erfüllten den Bedarf nicht. Wir haben das Vorhaben gestoppt, statt weitere Technik um ein ungeklärtes Grundproblem zu bauen. Die Details findet ihr in unseren Learnings zu PowerPoint-Zusammenfassungen.

Definiert solche Stoppsignale vorab: fehlende Mindestqualität, zu viel manuelle Korrektur, keine zulässige Datenbasis oder ein Risiko, das sich nicht sinnvoll begrenzen lässt.

Wie startet ihr den ersten Test?

Nehmt eine begrenzte Aufgabe, eine verantwortliche Person und einen festen Satz aus Normalfällen, Grenzfällen und Fällen, die abgelehnt werden müssen. Dokumentiert den heutigen Ablauf und prüft jedes Ergebnis gegen vorher festgelegte Erwartungen. Erst danach entscheidet ihr über mehr Daten, weitere Funktionen oder eine Integration.

Ihr habt mehrere Ideen und wollt den ersten KI-Anwendungsfall sauber auswählen? Kontaktiert uns. Wir strukturieren mit euch Aufgabe, Daten, Risiken und Testfälle für einen begrenzten Start.

Wie geht es in eurem Unternehmen weiter?

Auf unserer Seite KI-Beratung und KI-Einführung steht, wie eine KI-Einführung abläuft, was die Kosten bestimmt und wie Datenschutz und Betriebsrat einbezogen werden. Sprecht uns an, wenn ihr den nächsten Schritt konkret planen wollt.